CN115258093B - 一种欠驱商船自主靠离泊测试方法及系统 - Google Patents
一种欠驱商船自主靠离泊测试方法及系统 Download PDFInfo
- Publication number
- CN115258093B CN115258093B CN202211052682.1A CN202211052682A CN115258093B CN 115258093 B CN115258093 B CN 115258093B CN 202211052682 A CN202211052682 A CN 202211052682A CN 115258093 B CN115258093 B CN 115258093B
- Authority
- CN
- China
- Prior art keywords
- data
- ship
- berthing
- under
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010998 test method Methods 0.000 title claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000012429 release testing Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
Abstract
本发明公开了一种欠驱商船自主靠离泊测试方法及系统,方法包括以下步骤:使用感知模块监测水域环境数据、欠驱商船位置数据和欠驱商船状态数据;数据处理模块汇总感知模块监测数据,进行数据融合;基于融合后的数据,场景生成器构建欠驱商船自主靠离泊水域态势信息,船舶运动模拟器构建欠驱商船运动状态信息,相关信息数据传输至服务器数据库;算法模块依据相关信息数据,规划出船舶靠离泊路线;测评模块对实际欠驱商船行为进行测评;测评结果合格则重复步骤至自主靠离泊结束,不合格停止测试排除问题。系统包括:感知模块、数据处理模块、测评模块以及显示模块。本发明提高了欠驱商船自主靠离泊的测试效率,增加欠驱商船在测试过程中的安全性。
Description
技术领域
本发明涉及一种欠驱商船自主靠离泊测试方法及系统。
背景技术
无人船指利用传感器、通信、物联网、互联网等技术手段,自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据,并基于计算机技术、自动控制技术和大数据处理分析技术,在船舶航行、管理、维护保养、货物运输等方面实现智能化运行的船舶,以使船舶更加安全、更加环保、更加经济和更加可靠,无人船在海洋装备制造领域的研究和市场需求愈加广泛。
靠离泊操作是传统船舶在整个海上航行过程中重要的环节,也是最复杂、操作难度最大的过程之一。进出港技术同样也是智能船舶的一项重要技术,智能船舶进出港技术不仅对船舶的航向、航速进行控制,还包含了泊位镇定、轨迹跟踪、路径规划等多项内容;传统船舶在靠离泊过程中存在人为的不确定性带来的危险因素,海上工作环境复杂,传统船舶缺少对融合环境和自身数据的评估规划系统,难以根据实时情况做出规划,整体的可控性差智能化程度低。
发明内容
发明目的:本发明旨在提供一种能够实时测评欠驱商船自主靠离泊测试作业的方法及系统,能够提高船只离靠泊过程中测试效率及安全性。
技术方案:本发明所述的欠驱商船自主靠离泊测试方法,包括以下步骤:
步骤S1、使用感知模块监测水域环境数据、欠驱商船位置数据和欠驱商船状态数据,并将这三项数据传至数据处理模块;
步骤S2、数据处理模块汇总感知模块监测数据,进行数据融合;
步骤S3、融合后的数据通过场景生成器构建欠驱商船自主靠离泊水域态势信息,相关信息数据传输至服务器数据库;
步骤S4、融合后的数据通过船舶运动模拟器构建欠驱商船运动状态信息,相关信息数据传输至服务器数据库;
步骤S5、欠驱商船算法模块依据水域态势信息和无人船运动状态信息,规划出船舶靠离泊路线;
步骤S6、测评模块实时调用服务器数据库,对比欠驱商船实际航行路径与规划路径偏差,依据评判标准对实际欠驱商船行为进行测评;
步骤S7、服务器根据测评结果对欠驱商船进行调控,测评结果合格则重复步骤至自主靠离泊结束;测评结果不合格则停止测试,待问题排查后再进行测试。
其中,所述步骤S1中的水域环境数据包括:水域风速风向、流速流向、温度湿度以及浪高浪压,欠驱商船状态数据包括:欠驱商船的航速、航向、加速度以及三轴姿态角。
其中,所述欠驱商船位置数据检测方式为:GPS定位方式、声学定位方式、视觉识别定位方式和UWB定位方式相互协同作业,从而获得欠驱商船与泊位以及其他目标之间的距离。
其中,所述数据融合采用中级传感器融合技术和卡尔曼滤波器,从而得到融合后的精准数据;中级传感器融合技术包括以下步骤:
步骤S21:将感知模块首次测量的数据作为初始测量值;
步骤S22:滤波器根据初始测量值初始化状态和协方差矩阵;
步骤S23:在预设时间段内滤波器收到新的测量值,贝叶斯算法在此时间段内给出预测值;
步骤S24:将测量值和预测值对比,滤波器为每个值施加对应的权重;
步骤S25:在下一个预定时间段内将收到对应的测量值,算法执行对应的预测值和更新步骤。
其中,所述步骤S5中船舶靠离泊路线的规划包括以下步骤:
步骤S51:将靠泊过程分为远码头轨迹规划阶段和码头末端镇定靠泊两部分;
步骤S52:这上述两部分进行仿真研究,同时优化人工势场法;
步骤S53:绘制出航迹规划和舵角输出曲线。
其中,所述步骤S6中的测评过程包括以下步骤:
步骤S61:分析影响靠泊的因素,调用靠泊的要点和规范,获得评价指标;
步骤S62:对指标进行归纳分类并构建评价指标体系;
步骤S63:采用层次分析法,对无人船舶自主靠离泊测试评价指标体系中各指标进行重要性比较得到各指标的权重Wi;确定指标打分分级标准,依据每个测试时刻指标的数据进行打分Ri,t;
步骤S64:将各指标权重Wi与打分分数Ri,t相结合,得到欠驱商船自主靠离泊测试监测时刻t的各测试指标最终分数Si,t;
步骤S65:综合各个指标分数,得出t时刻自主靠离泊整体分数St。
其中,所述层次分析法用于确定权重Wi,包括以下步骤:
步骤S631:基于评价指标,建立描述所有结构因素的递阶层次结构;
步骤S632:两两比较结构因素,构造出所有的判断矩阵;
步骤S633:解判读矩阵得出特征根和特征向量,检验每个判断矩阵是否具有完全一致性若不满足一致性条件,则要修改判断矩阵直到满足为止;
步骤S634:计算各层因素的组合权重,并检验结构一致性。
本发明所述的欠驱商船自主靠离泊测试系统,包括感知模块,对水域环境和欠驱商船状态进行监测;数据处理模块接收并处理来自感知模块监测的数据;算法模块调用服务器来自数据处理模块的融合数据,并进行路径规划;显示模块调用服务器信息,进行图形处理后通过显示器进行欠驱商船自主靠离泊测试相关信息呈现。
其中,所述数据处理模块还包括场景生成器、船舶运动模拟器和数据融合模块,所述数据处理模块接收来自感知模块监测的数据,进行数据融合;基于融合后的数据,所述场景生成器构建水域态势信息,所述船舶运动模拟器构建欠驱商船运动信息。
有益效果:与现有技术相比,本发明具有如下的显著优点:在对水域环境以及船舶状态进行监测和数据处理,构建水域态势信息以及船舶运动信息,在此基础上进行路径规划,测评模块对比实际路径与规划路径偏差,依据既定指标评判标准自动打分,提高了测试效率;其次,在构建欠驱商船自主靠离泊测评指标以及进行打分时,采用层次分析法降低了确定权重,测评主观性,提升最终结果的正确性,增加了船舶在靠泊过程中的安全性。
附图说明
图1为本发明的方法流程示意图;
图2为本发明的系统结构示意图。
具体实施方式
下面结合附图1-2对本发明的技术方案作进一步说明,一种欠驱商船自主靠离泊测试方法及其系统,如图1所示,包括以下步骤:
步骤S1、使用感知模块监测水域环境数据、欠驱商船位置数据和欠驱商船状态数据,并将这三项数据传至数据处理模块;
步骤S2、数据处理模块汇总感知模块的监测数据,并进行数据融合;
步骤S3、融合后的数据通过场景生成器构建欠驱商船自主靠离泊水域态势信息,相关信息数据传输至服务器数据库;
步骤S4、融合后的数据通过船舶运动模拟器构建欠驱商船运动状态信息,相关信息数据传输至服务器数据库;
步骤S5、欠驱商船算法模块依据水域态势信息和无人船运动状态信息,规划出船舶靠离泊路线;
步骤S6、测评模块调用服务器数据库,对比欠驱商船实际航行路径与规划路径偏差,依据评判标准对实际欠驱商船行为进行测评;
步骤S7、服务器根据测评结果对欠驱商船进行调控,测评结果合格则重复步骤至自主靠离泊结束;测评结果不合格则停止测试,待问题排查后再进行测试。
如图2所示,包括感知模块、数据处理模块、测评模块以及显示模块;感知模块对水域环境和欠驱商船状态进行监测;数据处理模块接收并处理来自感知模块监测的数据;算法模块调用服务器来自数据处理模块的融合数据,并进行路径规划;测评模块调用服务器欠驱商船实时运动状态信息以及路径规划信息;显示模块调用服务器信息,进行图形处理后通过显示器进行欠驱商船自主靠离泊测试相关信息呈现。
在步骤S1中:感知模块对水域环境和欠驱商船状态(定位、姿态)进行监测,数据传输至数据处理模块;在此步骤中对欠驱商船状态数据进行检测,具体言之,首先,对欠驱商船的位置进行定位,其定位方式融合了GPS定位、声学定位视觉识别定位和UWB定位,多种定位方式协同作业保证在任何情况下都能精准确定欠驱商船的位置,从而获取欠驱商船与泊位以及其他目标之间的距离,以此作为欠驱商船的位置数据;欠驱商船的姿态有感知模块中的惯性测量单元测得,包括三轴姿态角、加速度,通过坐标系转化得出水面无人船的航向和速度,以此作为欠驱商船的状态数据;在获悉欠驱商船状态数据的基础上,对水域环境进行检测,感知模块中包括用于测量和记录水域波浪高度的浪高仪、用于测量和记录水域波浪压力的浪压仪以及用于测量和记录水域风速以及风向仪,还包括温度传感器用于测量和记录温度、湿度传感器用于测量和记录湿度、流速流向检测浮标,以此作为水域环境数据。
数据处理模块汇总感知模块监测数据,进行数据融合;在此步骤中,采用中级传感器融合技术,包括卡尔曼滤波器结合卡尔曼滤波器对感知模块测得的数据进行融合,以最精确的融合数据为准;具体实施过程为,以感知模块首次测量的数据为基础初始化商船和协方差矩阵,预定时间段T内,卡尔曼滤波器收到新的传感器的测量值,算法给出预测值,滤波器将预测值和实际测量值进行比较并结合给出该时间段内的融合数据,在此过程中卡尔曼滤波器根据每个值的不确定性给预测值和测量值施加不同的权重,然后在下一个T时间段内接收另一个测量值,算法给出另一个预测值,从而开始下一次数据的比较和融合。
融合后的数据通过场景生成器构建欠驱商船自主靠离泊水域态势信息,相关信息数据传输至服务器数据库;换言之,通过数据处理模块中的场景生成器,建立欠驱商船靠离泊水域的模拟环境,并给模拟环境赋予实时的融合数据,再将模拟环境传输至服务器数据库中。融合后的数据通过船舶运动模拟器构建欠驱商船运动状态信息,相关信息数据传输至服务器数据库;建立具有实时运动状态信息的欠驱商船模型,并将其传输至服务器数据库。
欠驱商船算法模块依据水域态势信息和无人船运动状态信息,规划出船舶靠离泊路线;在本步骤中,服务器对欠驱商船任务进行轨迹规划,欠驱商船存在提醒较大的确定,由此将靠泊码头的过程分为远码头轨迹规划阶段和码头末端镇定靠泊两部分,对两部分分别进行仿真研究。同时对传统人工势场法进行了优化,其优化过程为:考虑到商船体型较大,障碍影响距离较广,引力过大可能会碰到障碍船,在本发明传统引力函数基础上增加了范围限定,避免由于离过渡区域太远导致的引力过大问题。鉴于过渡区域附近有障碍物,产生的斥力场大,导致船舶无法靠近目标点,因此对斥力函数进行优化,增添了目标和船舶距离对斥力的影响;当船舶靠近过渡区域时,虽然周围的障碍物对其产生的斥力场增大,但两者距离在缩短,所以起到对斥力场的削弱作用,解决引力过大和目标不可达的问题,在此基础上绘制航迹规划和舵角输出曲线,为进入泊位前的船舶航行选择合适的航线提供了依据。
测评模块实时调用服务器数据库,对比欠驱商船实际航行路径与规划路径偏差,依据评判标准对实际欠驱商船行为进行测评;具体而言,采用结合证据理论和层次分析法,对无人船舶自主靠离泊测试评价指标体系中各指标进行重要性比较得到各指标的权重Wi;确定指标打分分级标准,依据每个测试时刻指标的数据进行打分Ri,t;将各指标权重与打分分数相结合,得到欠驱商船自主靠离泊测试监测时刻t的各测试指标最终分数Si,t,将各指标分数相加得出t时刻自主靠离泊整体分数St。其中,层次分析法确定权重Wi的步骤包括:建立描述系统功能或特征内部独立的递阶层次结构;两两比较结构因素,构造出所有的判断矩阵;解判读矩阵,得出特征根和特征向量,并检验每个判断矩阵是否具有完全一致性若不满足一致性条件,则要修改判断矩阵,直到满足为止;计算各层因素的组合权重,并检验结构一致性。
服务器根据测评结果对欠驱商船进行调控,测评结果合格则重复步骤至自主靠离泊结束;测评结果不合格则停止测试,待问题排查后再进行测试。
如图2所示适用于上述方法的欠驱商船自主靠离泊测试系统,欠驱商船自主靠离泊测试系统,其特征在于:包括感知模块、数据处理模块、算法模块、服务器、测评模块、预警模块和显示模块;数据处理模块包括场景生成器、船舶运动模拟器以及数据融合模块。感知模块对水域环境和欠驱商船状态进行监测,监测数据传输至数据处理模块进行处理;数据处理模块包括场景生成器、船舶运动模拟器和数据融合模块,数据处理模块接收来自感知模块监测的数据,进行数据融合,通过场景生成器构建水域态势信息,通过船舶运动模拟器构建欠驱商船运动信息,相关信息数据传输至服务器;算法模块调用服务器来自数据处理模块的信息,进行路径规划,路径规划信息传输至服务器;测评模块调用服务器欠驱商船实时运动状态信息以及路径规划信息,进行测评,服务器根据测评结果对欠驱商船进行调控,测评结果合格则重复步骤至自主靠离泊结束;测评结果不合格则停止测试,待问题排查后再进行测试。显示模块调用服务器信息,进行图形处理后通过显示器进行欠驱商船自主靠离泊测试相关信息呈现。
Claims (5)
1.一种欠驱商船自主靠离泊测试方法,其特征在于:包括以下步骤:
步骤S1、使用感知模块监测水域环境数据、欠驱商船位置数据和欠驱商船状态数据,并将这三项数据传至数据处理模块;
步骤S2、数据处理模块汇总感知模块的监测数据,并进行数据融合;所述数据融合采用中级传感器融合技术和卡尔曼滤波,从而得到融合后的精准数据;中级传感器融合技术包括以下步骤:
步骤S21:将感知模块首次测量的数据作为初始测量值;
步骤S22:滤波器根据初始测量值初始化状态和协方差矩阵;
步骤S23:在预设时间段内滤波器收到新的测量值,算法在此时间段内给出预测值;
步骤S24:将测量值和预测值对比,滤波器为每个值施加对应的权重;
步骤S25:在下一个预定时间段内将收到对应的测量值,算法执行对应的预测值和更新步骤;
步骤S3、融合后的数据通过场景生成器构建欠驱商船自主靠离泊水域态势信息,相关信息数据传输至服务器数据库;
步骤S4、融合后的数据通过船舶运动模拟器构建欠驱商船运动状态信息,相关信息数据传输至服务器数据库;
步骤S5、欠驱商船算法模块依据水域态势信息和无人船运动状态信息,规划出船舶靠离泊路线;所述船舶靠离泊路线的规划包括以下步骤:
步骤S51:将靠泊过程分为远码头轨迹规划阶段和码头末端镇定靠泊两部分;
步骤S52:对上述两部分进行仿真研究,同时优化人工势场法;
步骤S53:绘制出航迹规划和舵角输出曲线;
步骤S6、测评模块调用服务器数据库,对比欠驱商船实际航行路径与规划路径偏差,依据评判标准对实际欠驱商船行为进行测评;所述步骤S6中的测评过程包括以下步骤:
步骤S61:分析影响靠泊的因素,调用靠泊的要点和规范,获得评价指标;
步骤S62:对指标进行归纳分类并构建评价指标体系;
步骤S63:采用层次分析法,对无人船舶自主靠离泊测试评价指标体系中各指标进行重要性比较得到各指标的权重Wi;确定指标打分分级标准,依据每个测试时刻指标的数据进行打分分数Ri,t;所述层次分析法用于确定权重Wi,包括以下步骤:
步骤S631:基于评价指标,建立描述所有结构因素的递阶层次结构;
步骤S632:两两比较结构因素,构造出所有的判断矩阵;
步骤S633:解判断矩阵得出特征根和特征向量,检验每个判断矩阵是否具有完全一致性若不满足一致性条件,则要修改判断矩阵直到满足为止;
步骤S634:计算各层因素的组合权重,并检验结构一致性;
步骤S64:将各指标权重Wi与打分分数Ri,t相结合,得到欠驱商船自主靠离泊测试监测时刻t的各测试指标最终分数Si,t;
步骤S65:综合各个指标分数,得出t时刻自主靠离泊整体分数St;
步骤S7、服务器根据测评结果对欠驱商船进行调控,测评结果合格则重复步骤至自主靠离泊结束;测评结果不合格则停止测试,待问题排查后再进行测试。
2.根据权利要求1所述的一种欠驱商船自主靠离泊测试方法,其特征在于:所述步骤S1中的水域环境数据包括:水域风速风向、流速流向、温度湿度以及浪高浪压,欠驱商船状态数据包括:欠驱商船的航速、航向、加速度以及三轴姿态角。
3.根据权利要求1所述的一种欠驱商船自主靠离泊测试方法,其特征在于:步骤S1中,所述欠驱商船位置数据检测方式为:GPS定位方式、声学定位方式、视觉识别定位方式和UWB定位方式相互协同作业,从而获得欠驱商船与泊位以及障碍之间的距离。
4.一种使用如权利要求1中所述方法的欠驱商船自主靠离泊测试系统,其特征在于:包括感知模块、数据处理模块、测评模块以及显示模块;感知模块对水域环境和欠驱商船状态进行监测;数据处理模块接收并处理来自感知模块监测的数据;算法模块调用服务器来自数据处理模块的融合数据,并进行路径规划;测评模块调用服务器欠驱商船实时运动状态信息以及路径规划信息;显示模块调用服务器信息,进行图形处理后通过显示器进行欠驱商船自主靠离泊测试相关信息呈现。
5.根据权利要求4所述的一种欠驱商船自主靠离泊测试系统,其特征在于:所述数据处理模块还包括场景生成器、船舶运动模拟器和数据融合模块,所述数据处理模块接收来自感知模块监测的数据,数据融合模块进行数据融合;基于融合后的数据,所述场景生成器构建水域态势信息,所述船舶运动模拟器构建欠驱商船运动信息。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211052682.1A CN115258093B (zh) | 2022-08-30 | 2022-08-30 | 一种欠驱商船自主靠离泊测试方法及系统 |
PCT/CN2023/079763 WO2024045539A1 (zh) | 2022-08-30 | 2023-03-06 | 一种欠驱商船自主靠离泊测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211052682.1A CN115258093B (zh) | 2022-08-30 | 2022-08-30 | 一种欠驱商船自主靠离泊测试方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115258093A CN115258093A (zh) | 2022-11-01 |
CN115258093B true CN115258093B (zh) | 2023-10-27 |
Family
ID=83755732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211052682.1A Active CN115258093B (zh) | 2022-08-30 | 2022-08-30 | 一种欠驱商船自主靠离泊测试方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115258093B (zh) |
WO (1) | WO2024045539A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115258093B (zh) * | 2022-08-30 | 2023-10-27 | 江苏科技大学 | 一种欠驱商船自主靠离泊测试方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111221336A (zh) * | 2020-01-19 | 2020-06-02 | 智慧航海(青岛)科技有限公司 | 一种船端辅助靠离泊系统 |
CN111498055A (zh) * | 2020-05-09 | 2020-08-07 | 智慧航海(青岛)科技有限公司 | 用于对智能船舶自动靠离泊测试的测试装置及测试方法 |
KR102223363B1 (ko) * | 2020-06-16 | 2021-03-05 | 이상창 | 선박 자동정박 시스템 |
CN113779705A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶汽车智能等级评定方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5276720B2 (ja) * | 2009-11-04 | 2013-08-28 | 川崎重工業株式会社 | 操船制御方法及び操船制御システム |
FI130355B (en) * | 2016-01-29 | 2023-07-17 | Rolls Royce Oy Ab | Independent use of a fat cloth |
CN109084747B (zh) * | 2018-06-26 | 2022-03-18 | 武汉理工大学 | 基于通用三维引擎的水上交通全景三维导航系统及方法 |
TWI756647B (zh) * | 2020-03-18 | 2022-03-01 | 財團法人船舶暨海洋產業研發中心 | 基於人工勢場法的船舶避碰方法及系統 |
CN111469983B (zh) * | 2020-04-20 | 2022-06-14 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶智能靠离泊方法、装置及系统 |
CN112859867A (zh) * | 2021-01-19 | 2021-05-28 | 武汉理工大学 | 一种基于多拖轮协同的船舶靠离泊控制系统和方法 |
CN115258093B (zh) * | 2022-08-30 | 2023-10-27 | 江苏科技大学 | 一种欠驱商船自主靠离泊测试方法及系统 |
-
2022
- 2022-08-30 CN CN202211052682.1A patent/CN115258093B/zh active Active
-
2023
- 2023-03-06 WO PCT/CN2023/079763 patent/WO2024045539A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111221336A (zh) * | 2020-01-19 | 2020-06-02 | 智慧航海(青岛)科技有限公司 | 一种船端辅助靠离泊系统 |
CN111498055A (zh) * | 2020-05-09 | 2020-08-07 | 智慧航海(青岛)科技有限公司 | 用于对智能船舶自动靠离泊测试的测试装置及测试方法 |
KR102223363B1 (ko) * | 2020-06-16 | 2021-03-05 | 이상창 | 선박 자동정박 시스템 |
CN113779705A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶汽车智能等级评定方法及系统 |
Non-Patent Citations (1)
Title |
---|
智能船舶远程驾驶控制技术研究现状与趋势;王远渊等;中国舰船研究;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115258093A (zh) | 2022-11-01 |
WO2024045539A1 (zh) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221546B (zh) | 虚实融合的船舶智能控制系统测试平台 | |
JP2021034050A (ja) | 強化学習に基づくauv行動計画及び動作制御方法 | |
CA3067573A1 (en) | Target tracking systems and methods for uuv | |
CN104268625B (zh) | 一种基于海洋环境信息的自主式水下潜器航迹预测方法 | |
Zinchenko et al. | Automatic collision avoidance with multiple targets, including maneuvering ones | |
CN108319293B (zh) | 一种基于lstm网络的uuv实时避碰规划方法 | |
CN103901806B (zh) | 一种智能船舶靠泊辅助系统及方法 | |
CN102288176B (zh) | 基于信息融合的煤矿救灾机器人导航系统及方法 | |
CN202216696U (zh) | 基于信息融合的煤矿救灾机器人导航装置 | |
CN108334677B (zh) | 一种基于gru网络的uuv实时避碰规划方法 | |
CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
MXPA06010586A (es) | Sistema y metodo de investigacion sismica marina. | |
CN112100917A (zh) | 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法 | |
CN108061572B (zh) | 一种海洋核动力平台综合态势显控系统及方法 | |
CN115258093B (zh) | 一种欠驱商船自主靠离泊测试方法及系统 | |
CN109765914A (zh) | 一种基于滑窗粒子群的水面无人艇避碰方法 | |
CN116647651B (zh) | 一种基于北斗卫星的无人机施工监控方法及系统 | |
Wlodarczyk-Sielicka et al. | Selection of SOM parameters for the needs of clusterization of data obtained by interferometric methods | |
Hansen et al. | COLREGs-based situation awareness for marine vessels-a discrete event systems approach | |
Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
US10935938B1 (en) | Learning from operator data for practical autonomy | |
My et al. | An Artificial Neural Networks (ANN) Approach for 3 Degrees of Freedom Motion Controlling | |
Ivanovsky et al. | Algorithm design for ship’s steering with specified limitations under various weather conditions | |
CN115268395A (zh) | 一种无人船艇编队自主航行能力测试方法及系统 | |
CN113515109B (zh) | 一种模拟海洋动态不确定环境的航行器路径规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |